基于豐田OBD數據的常見駕駛行為分析

摘 ?要：隨著經濟的發展和人民生活水平的提高，我國汽車數量不斷增長，但與此同時道路交通事故持續發生。對此，學者從駕駛員駕駛行為的角度對其進行了研究。深入分析駕駛行為，有助于制定更合理的交通法規，設計更高效的交通系統，從而減少交通事故的發生。本文利用豐田OBD數據，實現了對常見駕駛行為的建模，包括剎車模型，急加速/減速模型，疲勞駕駛判斷模型，超速行為識別模型，車輛變道轉向的相關判斷模型等。在此基礎上，可實現對車輛停車、穩定行駛、加減速狀態、急加速/減速、轉向變道及轉向燈合理性等行為的判定。本文重點對變道相關模型進行了分析和驗證。結果表明，在誤差允許范圍內，模型計算結果與實際操作基本吻合。

關鍵詞：OBD數據;駕駛行為分析;變道模型

中圖分類號：U491.25 ? ? ? ? 文獻標識碼：A ? ? ? ?文章編號：1671-2064（2019）16-0000-00

0引言

隨著社會的不斷發展，駕駛行為逐漸成為評判司機技術的重要標準。不好的駕駛行為是引發許多的交通事故的主要原因之一，而好的駕駛行為有利于減少交通事故發生，因此對駕駛行為的分析十分緊迫。本文對駕駛行為進行分析，旨在為改善駕駛行為水平做出貢獻。

本文數據來源于OBD（On-Board Diagnostic車載診斷系統），理由是OBD數據具有穩定、及時、智能、使用面積廣的優點。OBD系統一般以智能手機作為服務顯示設備，通過與智能手機互聯，將OBD接口獲取的汽車數據提供給車主。

駕駛行為的分析可以分為宏觀、微觀兩大類，宏觀駕駛行為是從車輛行駛數據入手推導原因，如從車輛加速度、速度、里程數、方向盤等判斷駕駛員是否是疲勞駕駛等;微觀駕駛行為是指駕駛員的具體決策導致的車輛行駛，如在做出超車決策后，需要判斷周邊環境信息做出超車決策等，以及決策行為會對整個交通系統的影響。本文基于豐田的OBD原始數據，從微觀角度建模分析常見駕駛行為，重點對變道模型進行了驗證。

1相關工作

車輛OBD系統為駕駛員操作分析和車輛能耗分析提供了基礎。常見應用如，保險公司通過UBI車險與OBD數據模型有機結合，提出更有利于實現雙贏的保險機制;在能耗分析方面，也有學者基于OBD數據并根據理想氣體狀態方程及空燃比原理對計算車輛油耗。能耗分析的延伸還包括通過分析車輛發動機的使用壽命，以及電動車的用能計算、碳足跡計算。

1.1 OBD數據

OBD數據指基于豐田汽車公司《車輛總線通信規范》，通過OBD設備以偵聽方式采集車輛總線上各種行駛狀態下的參數，包括豐田提供的330個車輛參數字段。涉及車型包括漢蘭達、凱美瑞、雷克薩斯等。

1.2數據的問題及解決方法

由于車輛處于橋底或者隧道時，信號可能無法連接，也存在緩存過少導致數據丟失的現象，因此首先進行數據預處理。本文通過識別并標記數據噪聲、去除不可靠的數據段的方式進行預處理，為模型分析建立打下基礎。

1.3常見駕駛行為的模型

通過OBD數據可以分析駕駛行為。由于駕駛行為可以用多種不同的傳感器參數進行描述，因此建立以下模型。

1.3.1轉向判斷（表1）

1.3.2轉向燈合理性判斷（表2）

1.3.3轉彎模型

轉彎模型的數據基礎為10HZ頻率收集的OBD數據，包括速度v（m/s），時間t（s），車輛橫向加速度a（m/s2），方向盤轉角s（°）。模型如圖1。

如圖1所示，假設車輛變換車道時的速度為v，變道過程近似認為勻速圓周運動，且實際中兩條相鄰車道中心線相距為3m，車輛變道的轉向角為α，因此車輛變道過程中存在等式：

如圖2所示，假設車輛轉向時的速度為v，將每一個0.1s的小轉向近似認為直角三角形，轉向半徑為，每0.1s變化角度為α，因此車輛變道過程中存在等式：

可對車速情況進行分類。規定速度v在（0，30）內為A類;速度v在（30，60）內為B類;速度v大于60為C類。再對數據的進行整理與歸納得到：

（1）A類轉向或變道時方向盤轉角s可變范圍為（30，300）。

（2）B類轉向或變道時方向盤轉角s可變范圍為（10，50）。

（3）C類轉向或變道時方向盤轉角s可變范圍為（5，7）。

變道具體過程如下：

1）在車速處在對應類別并方向盤轉向處在對應類別的情況下開始，對每0.1s的數據做處理，計算

2）對指定時間內的l進行求和，因為近似構成直角三角形，計算

3）若q在（30，45）內，則認為發生了變道

普通轉向具體過程如下：

1）在車速處在對應類別并方向盤轉向處在對應類別的情況下開始，對每0.1s的數據做處理，計算，以及

2）因為近似構成直角三角形，計算，并對指定時間內的q進行求和

3）若q在（70，90）內，則認為發生了轉向

依據普通轉向的判定方法，下面對轉盤轉向、S彎轉向、高架橋轉向與普通轉向做簡單對比，并給出對應計算模型，如表3。

2實驗驗證

本文重點對轉向判斷模型進行驗證。原因在于轉向時容易誘發事故，這也適用于對變道的分析。美國公路交通安全管理署（National Highway Traffic Safety Administration， NHTSA）的研究報告表明，變道事故占交警記錄的事故總數的5%，占傷亡事故的0.5%。了解駕駛員變道的特征，有助于分析變道事故多發的原因，有針對性地采取措施，提高行車安全與交通運行效率。

2.1驗證細節

針對上節所構建的轉向判斷模型，本文采用同期的駕駛過程記錄視頻作為檢驗證據。因可用于驗證的車輛視頻有限，且只涉及部分車輛，本文使用車輛行駛視頻信息對模型結果進行驗證。

2.2具體驗證過程

以豐田車為例，根據所記錄行駛過程的時間軸，與車輛行駛過程所錄制的視頻信息進行比較，并對車輛應該打轉向燈的數據段進行標注（100表示車輛應該打轉向燈），再將模型計算結果（-100代表打轉向燈）與人工標注的結果進行匹配驗證，部分結果如圖3。

圖3中藍色為從車輛視頻中人工標注得到的打轉向燈的信息（為了便于比較，用值100標記實際應該打轉向燈），綠色的為模型計算得到的打轉向燈的信息（-100表示模型計算應該打轉向燈）。

視頻驗證了2個行程，總計約2個小時，車輛實際共進行了60次轉向操作，模型計算結果下車輛共進行了49次轉向操作，對比之下，可以看出時間、打轉向燈次數基本吻合。對于未匹配的部分，存在人工標注的誤差。在誤差允許的范圍內，驗證成功率達到80%。因此認為視頻驗證下模型基本正確。

3總結與展望

本文通過基于豐田汽車OBD數據的建模分析，實現的對于多種常見駕駛行為的分析。其中包括：剎車模型，急加速/減速模型，疲勞駕駛判斷模型，超速行為識別模型，車輛轉向的相關判斷模型。本文重點對轉彎模型的準確度進行驗證。

本文希望能為將來的智能生活提供一定的支持。比如在司機轉向時，系統可以對司機進行語言的提示，提醒有些習慣不打或晚打轉向燈的司機，為廣大的司機朋友養成一個良好的駕駛行為習慣。減少交通事故發生的頻率，營造人人安分駕駛的優良的氛圍。

參考文獻

[1]王雪松，李艷.基于自然駕駛數據的駕駛員變道特征分析[J].交通信息與安全，2016（1）：17-22.

[2]張鳳，李永娟，蔣麗.駕駛行為理論模型研究概述[J].中國安全科學學報，2010，20（2）：23.

[3]肖麗萍.基于OBD系統的特性分析[J].北京汽車，2006（5）：29-32.

[4]劉雁飛.駕駛行為建模研究[D].浙江大學，2007.

[5]郭洪艷，陳虹，趙海艷，等.汽車行駛狀態參數估計研究進展與展望[J].控制理論與應用，2013， 30（6）：661-672.

收稿日期：2019-06-26

作者簡介：劉昱麟，男，漢族，湖南武岡人。